[發(fā)明專利]一種鐵水脫硫攪拌器的智能故障診斷方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811339028.2
• 申請(qǐng)日: 2018-11-12
• 公開(kāi)（公告）號(hào): CN109376794A
• 公開(kāi)（公告）日: 2019-02-22
• 發(fā)明（設(shè)計(jì)）人: 葉航;但斌斌;容芷君
• 申請(qǐng)（專利權(quán)）人: 武漢科技大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/08;C21C7/064
• 代理公司: 北京輕創(chuàng)知識(shí)產(chǎn)權(quán)代理有限公司 11212
• 代理人: 楊立;徐蘇明

1.一種鐵水脫硫攪拌器的智能故障診斷方法，其特征在于，包括如下步驟：

S1.樣本時(shí)域特征獲取：

在鐵水脫硫攪拌器槳桿上安裝振動(dòng)傳感器，采集脫硫攪拌器在各種工作狀態(tài)下的振動(dòng)信號(hào)并記錄；提取振動(dòng)信號(hào)的時(shí)域參數(shù)作為初始特征；

S2.PCA特征降維處理：

將步驟S1中所述時(shí)域參數(shù)數(shù)據(jù)作為故障診斷的特征，采用PCA降維處理，對(duì)貢獻(xiàn)率大于指定值的主成分保留作為樣本特征，并與鐵水脫硫攪拌器工作狀態(tài)對(duì)應(yīng)，由生成的n維主成分?jǐn)?shù)據(jù)組成訓(xùn)練數(shù)據(jù)；

S3.訓(xùn)練BP網(wǎng)絡(luò)分類器：

將生成的n維主成分?jǐn)?shù)據(jù)作為特征信號(hào)輸入BP網(wǎng)絡(luò)，構(gòu)建BP網(wǎng)絡(luò)模型；

S4.故障診斷：

將未知工作狀態(tài)下的原始數(shù)據(jù)經(jīng)過(guò)PCA降維處理后，生成測(cè)試數(shù)據(jù)，輸入所述BP網(wǎng)絡(luò)模型，根據(jù)網(wǎng)絡(luò)模型輸出得到其工作狀態(tài)，從而進(jìn)行鐵水脫硫攪拌器的故障診斷。

2.根據(jù)權(quán)利要求1所述鐵水脫硫攪拌器的智能故障診斷方法，其特征在于，所述步驟S1的具體過(guò)程為：

a.在鐵水脫硫傳感器槳桿上安裝振動(dòng)傳感器收集振動(dòng)信號(hào)；

b.將收集的數(shù)據(jù)截取為相同長(zhǎng)度，計(jì)算每組數(shù)據(jù)組的均值、均方根、偏度、峭度、脈沖因子、峰值因子、波形因子、裕度因子的時(shí)域參數(shù)；

c.將時(shí)域參數(shù)作為初始參數(shù)，組成m×n的矩陣，該矩陣由n個(gè)樣本組成，每個(gè)樣本包含m個(gè)變量，即m個(gè)時(shí)域特征參數(shù)。

3.根據(jù)權(quán)利要求1所述鐵水脫硫攪拌器的智能故障診斷方法，其特征在于，所述步驟S2的具體過(guò)程為：

a.對(duì)每個(gè)樣本數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；

b.計(jì)算標(biāo)準(zhǔn)化矩陣的協(xié)方差矩陣；

c.計(jì)算前k個(gè)主成分的累計(jì)貢獻(xiàn)率；

d.選取貢獻(xiàn)率較大的主成分作為樣本特征。

4.根據(jù)權(quán)利要求1所述鐵水脫硫攪拌器的智能故障診斷方法，其特征在于，所述步驟S3的具體過(guò)程為：

a.正向前饋訓(xùn)練階段；

b.反向誤差修正階段。

5.一種鐵水脫硫攪拌器的智能故障診斷系統(tǒng)，其特征在于，所述系統(tǒng)包括：

第一振動(dòng)傳感器以及樣本時(shí)域特征獲取模塊，用于提取振動(dòng)信號(hào)的時(shí)域參數(shù)作為初始特征；

第二PCA特征降維處理模塊，用于將所述時(shí)域參數(shù)數(shù)據(jù)作為故障診斷的特征，采用PCA降維處理，對(duì)貢獻(xiàn)率大于指定值的主成分保留作為樣本特征，并與鐵水脫硫攪拌器工作狀態(tài)對(duì)應(yīng)，由生成的n維主成分?jǐn)?shù)據(jù)組成訓(xùn)練數(shù)據(jù)；

第三BP網(wǎng)絡(luò)分類器模塊，用于將所述n維主成分?jǐn)?shù)據(jù)作為特征信號(hào)輸入BP網(wǎng)絡(luò)，構(gòu)建BP網(wǎng)絡(luò)模型；

第四故障診斷模塊，用于將未知工作狀態(tài)下的原始數(shù)據(jù)經(jīng)過(guò)PCA降維處理后，生成測(cè)試數(shù)據(jù)，輸入所述BP網(wǎng)絡(luò)模型，根據(jù)網(wǎng)絡(luò)模型輸出得到其工作狀態(tài)，從而進(jìn)行鐵水脫硫攪拌器的故障診斷。

6.根據(jù)權(quán)利要求5所述鐵水脫硫攪拌器的智能故障診斷系統(tǒng)，其特征在于，

所述振動(dòng)傳感器用于：

a.在鐵水脫硫傳感器槳桿上安裝振動(dòng)傳感器收集振動(dòng)信號(hào)；

所述樣本時(shí)域特征獲取模塊用于：

b.將收集的數(shù)據(jù)截取為相同長(zhǎng)度，計(jì)算每組數(shù)據(jù)組的均值、均方根、偏度、峭度、脈沖因子、峰值因子、波形因子、裕度因子的時(shí)域參數(shù)；

c.將時(shí)域參數(shù)作為初始參數(shù)，組成m×n的矩陣，該矩陣由n個(gè)樣本組成，每個(gè)樣本包含m個(gè)變量，即m個(gè)時(shí)域特征參數(shù)。

7.根據(jù)權(quán)利要求5所述鐵水脫硫攪拌器的智能故障診斷系統(tǒng)，其特征在于，所述PCA特征降維處理模塊具體包括：所述PCA特征降維處理模塊用于:

a.對(duì)每個(gè)樣本數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；

b.計(jì)算標(biāo)準(zhǔn)化矩陣的協(xié)方差矩陣；

c.計(jì)算前k個(gè)主成分的累計(jì)貢獻(xiàn)率；

d.選取貢獻(xiàn)率較大的主成分作為樣本特征。

8.根據(jù)權(quán)利要求5所述鐵水脫硫攪拌器的智能故障診斷系統(tǒng)，其特征在于，所述BP網(wǎng)絡(luò)分類器模塊具體包括：所述BP網(wǎng)絡(luò)分類器模塊用于:

a.正向前饋訓(xùn)練階段；

b.反向誤差修正階段。